در این تحقیق، روش شبکه های عصبی مصنوعی برای مدلسازی فرآیند احتراق متان – هوا مورد استفاده واقع شده است. در بخش اول، از شبکه های عصبی مصنوعی برای مدلسازی تغییرات زمانی گونه های شیمیایی در احتراق متان - هوا استفاده شده است و در بخش دوم از شبکه عصبی برای مدلسازی محفظه احتراق توربین گاز با شعله مغشوش پس مخلوط متان- هوا استفاده شده است. توانایی این شبکه ها در تخمین کمیات شیمیایی و مقادیر مختلف میدان جریان نشان داده شده است. هدف، به دست آوردن مدلی برای توزیع شعاعی مشخصات مختلف شعله مغشوش، مانند دما و کسر جرمی گونه های شیمیایی در مقاطع مختلف محفظه احتراق توربین گاز می باشد. شبکه عصبی مصنوعی، یک سیستم با ساختار دینامیکی موازی می باشد و مدلسازی بوسیله شبکه عصبی مصنوعی، آموزش دادن سیستم محاسباتی برای درک قوانین حاکم بر فیزیک مسیله و تولید یک مدل می باشد. در واقع هدف مدل، تولید یک نسخه تخمینی از سیستم واقعی می باشد که خصوصیات اصلی سیستم در آن حفظ شده باشد. از آنجا که شبکه عصبی در مرحله آموزش برای سازگار نمودن ضرایب وزنی خود نیازمند الگوهای آموزشی ورودی- خروجی می باشد، روش تابع احتمال دانسیته برای محاسبه مشخصات شعله و در نتیجه به دست آوردن الگوهای آموزشی به کار گرفته شده است. در رهیافت تابع احتمال دانسیته، فرض شیمی تعادلی برای احتراق در نظر گرفته شده است که به معنی وجود واکنشها و گونه های شیمیایی میانی در واکنش سوخت و اکسیدکننده می باشد. الگوریتم مورد استفاده برای آموزش شبکه از نوع خطای پس انتشار با سرپرست می باشد. شبکه عصبی مورد استفاده از نوع پیشخور با دو لایه پنهان می باشد که برای استحصال شبکه بهینه، شبکه های مختلفی با تعداد لایه های پنهان متفاوت مورد استفاده واقع گردیده و شبکه با بهترین عملکرد، چه به لحاظ ساختار و چه به لحاظ میزان دقت خطا مورد استفاده قرار گرفته است.